Carbon and nitrogen discrimination factors of wolves and accuracy of diet inferences using stable isotope analysis
Notice bibliographique
Résumé
ABSTRACT Dietary inferences using stable isotope analysis rely on comparing stable carbon and nitrogen isotope content of consumer to prey tissues by modeling discrimination between these tissues. Diet–tissue discrimination factors applied in these models for wild populations must be obtained from controlled feeding studies where consumer diets are known. Species‐specific discrimination factors are lacking for wolves ( Canis lupus ), and most researchers assessing the diet of free‐ranging wolves have used discrimination factors derived from red foxes ( Vulpes vulpes ) fed a commercial pellet diet. We calculated diet–tissue discrimination factors for various tissues from captive wolves fed a controlled diet of horse ( Equus caballus ) meat and also assessed the feasibility of seasonal delineation of diet through the partitioning of metabolically inactive tissues such as guard hairs and whiskers. Stable carbon isotopic discrimination in wolves was highest in whiskers (4.31‰), followed by guard hair (4.25‰), and lowest in serum (2.21‰) and red blood cells (2.16‰). Stable nitrogen isotopic discrimination was highest in serum (4.54‰), guard hair (3.09‰), and whiskers (3.05‰), and lowest in red blood cells (2.99‰). Using these values, we demonstrated the sensitivity of estimated wolf diet proportions to choice of discrimination factors. We also documented a decrease in growth rate of hair and whiskers from summer through autumn, which cautions estimating temporally explicit diet of mammals based on stable isotope analysis of discrete sections of hair and whiskers. We conclude that species‐specific discrimination estimates should be used in dietary assessments based on stable isotope analyses to limit inaccuracies in diet interpretation of wild populations. © 2015 The Wildlife Society.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».